《表2 新一代1:50万中国植被图绘制所用特征来源》
在海量植被类型样本的支持下,可以多源特征融合为基础,以植被斑块对象为基本分类单元,采用深度学习的方法实现新一代1:50万中国植被图的绘制.考虑到新一代植被图的现实性需求,其绘制以2018年作为遥感数据的基准年,在遥感数据源的选取中,由于Sentinel-2具有空间分辨率高、波段多(包含从可见光、近红外到短波红外的13个波段)、重返周期短(双星组合观测下重返周期为5天)的优势,本研究以Sentinel-2多光谱影像为核心提取植被光谱及纹理特征,并通过经传感器校准处理后与Sentinel-2协调一致的Landsat 8影像来弥补云、雨对Sentinel-2影像的影响此外,本研究还辅以MODIS长时间序列影像提取植被物候参数,同时利用SAR能获取植被纹理特征和散射特性的优势,融合Sentinel-1 SAR数据,从中提取极化特征以弥补光学影像特征的局限性,并于Google Earth Engine平台实现归一化植被指数(normalized vegetation index,NDVI)、归一化水指数(normalized difference water index,NDWI)、比值植被指数(ratio vegetation index,RVI)等各种遥感特征的计算.此外本研究还从WorldClim、中国土壤类型图、Corrected SRTM[76]数据中分别获取气温、降水、土壤、坡度、坡向等环境参数,综合上述数据构成多特征图层作为后续分类的输入(表2).
图表编号 | XD00200307000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.20 |
作者 | 郭庆华、关宏灿、胡天宇、金时超、苏艳军、王雪静、魏邓杰、马勤、孙千惠 |
绘制单位 | 中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室、中国科学院大学、中国科学院植物研究所植被与环境变化国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |